Üretimde dijital ikiz ile operasyon süresinin tahmin edilmesi: Çelik sektöründe bir uygulama
Estimating operation time with digital twin in production: An application in steel industry
- Tez No: 960717
- Danışmanlar: PROF. DR. ALİ FUAT GÜNERİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Endüstri 4.0, üretimdeki dijitalleşme çalışmalarını kaçınılmaz kılmıştır. Firmalar üretim süreçlerinin çeşitli aşamalarında bilgi almak için veriler toplamaktadır. Sistemin anlık olarak izlenmesine olanak sağlayan dijital ikiz (Dİ), verileri kullanarak sistemleri modellemektedir. Üretim süreçlerinin planlanması ve programlanmasında Dİ çalışmaları kullanılmaktadır. Üretim sektöründe ürünlerin üretim sürelerini bilmek sistemin kontrolünü sağlayacağından oldukça önemlidir. Bu çalışma, dijitalleşmenin kaçınılmaz olduğu üretim alanına Dİ bakış açısı kazandırmak noktasında katkıda bulunmuştur. Bu çalışma, çelik sektöründe üretim yapan bir firmadan alınan verileri kullanmıştır. Boy, çap ve ağırlık değerlerine göre farklı tipte ürünler bulunmaktadır. Dİ felsefesi altında makine öğrenmesi algoritmaları ve Otomatik makine öğrenmesi (AutoML) kütüphanelerini kullanarak operasyon süresini tahmin etmiştir. Üretimde Dİ ve makine öğrenmesi çalışmaları yaygın olarak bulunmasına karşın operasyon süresinin tahmini noktasında sınırlı çalışmalar bulunmaktadır. Çalışmanın literatüre temel katkısı operasyon süresini tahmin ederken makine öğrenmesi algoritmalarını kullanmanın yanında AutoML kütüphanelerini de kullanmasıdır. Makine öğrenmesi algoritmalarından Doğrusal, polinomsal, lasso ve ridge regresyon, rastgele orman algoritması, karar ağaçları, destek vektör makineleri ve k-en yakın komşu algoritmaları kullanılmıştır. AutoML kütüphanelerinden lazypredict, H2O.ai ve TPOT kullanılmıştır. Makine öğrenmesi algoritmaları ve AutoML kütüphaneleri R2, MSE, RMSE, MAE ve MAPE performans metrikleri ile karşılaştırılmıştır. Makine öğrenmesi ve AutoML sayesinde modeller çok iyi performans göstermiştir. Oluşturulan modeller neticesinde veriler arasındaki ilişkinin karmaşık bir yapıya sahip olmasından dolayı ağaç tabanlı modeller en iyi sonucu vermiştir. Doğrusal ilişkinin zayıf olmasından dolayı doğrusal tabanlı modeller kötü sonuçlar vermiştir. Makine öğrenmesi algoritmalarında en iyi performansı karar ağaçları algoritması göstermiştir. Tüm modeller karşılaştırıldığında en iyi sonucu TPOT vermiştir. İyi performans göstermesinden yola çıkarak daha önce üretilmemiş boy, çap ve ağırlık değerlerine sahip rastgele ürünler oluşturulmuş ve modelin bunu tahmin etmesi sağlanmıştır. Firma bu sayede daha önce üretilmemiş ürünlerin ne kadar sürede üretileceğini maliyet ve zaman kaybı yaşamadan hesaplayabilecek müşteri memnuniyetini kazanacaktır. Bu da çalışmanın önemli katkılarındandır.
Özet (Çeviri)
Industry 4.0 has made digitalization studies in production inevitable. Companies collect data to obtain information at various stages of production processes. Digital twin (DT), which allows instant monitoring of the system, models systems using data. DT studies are used in planning and scheduling production processes. Knowing the production times of products in the production sector is very important as it will provide control of the system. This study has contributed to providing a DT perspective to the production area where digitalization is inevitable. This study used data from a company producing in the steel sector. There are different types of products according to length, diameter and weight values. It estimated the operation time using machine learning algorithms and automated machine learning (AutoML) libraries under the DT philosophy. Although DT and machine learning studies are widespread in production, there are limited studies on the estimation of operation time. The main contribution of the study to the literature is that it uses AutoML libraries in addition to machine learning algorithms while estimating the operation time. Linear, polynomial, lasso and ridge regression, random forest algorithm, decision trees, support vector machines and k-nearest neighbor algorithms were used from machine learning algorithms. AutoML libraries lazypredict, H2O.ai and TPOT were used. Machine learning algorithms and AutoML libraries were compared with R2, MSE, RMSE, MAE and MAPE performance metrics. Models showed very good performance thanks to machine learning and AutoML. As a result of the created models, tree-based models gave the best results due to the complex structure of the relationship between the data. Linear-based models gave bad results due to the weak linear relationship. Decision tree algorithm showed the best performance in machine learning algorithms. When all models were compared, TPOT gave the best result. Based on its good performance, random products with previously unproduced length, diameter and weight values were created and the model was allowed to predict this. In this way, the company will be able to calculate how long it will take to produce products that have not been produced before without losing cost and time and will gain customer satisfaction. This is also an important contribution to the study.
Benzer Tezler
- Digitizing electricity generation in solar panel farms with digital twin and operating with high efficiency
Dijital ikiz ile güneş paneli çiftliklerinde elektrik üretiminin dijitalleştirilmesi ve yüksek verimlilikle çalıştırılması
TOLGA YALÇIN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞÇE DEMİRDELEN
- A data-driven digital twin approach to optimize continuous production environment with deep reinforcement learning
Derin pekiştirmeli öğrenme ile sürekli üretim ortamını optimize etmeye yönelik veri odaklı dijital ikiz yaklaşımı
ALİ HAYDAR SİVRİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. ALTAN KOÇYİĞİT
DR. MERT ONURALP GÖKALP
- Enhanced out of boundary uwb based localization for industrial digital twins
Endüstriyel dijital ikizler için alıcı alanın dışında uwb tabanlı konumlandırma iyileştirmesi
LÜTFÜ SİRAC KÜÇÜKARABACIOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ
- Yapım sektöründe yalın proje teslim sistemine entegre edilebilecek endüstri 4.0 teknolojileri ve yapı uzmanlarının bakış açısı
Industry 4.0 technologies that can be integrated into the lean project delivery system in the construction sector and the perspective of the construction sector experts
KÜBRA TOPRAK
- Üretim planlama ve kontrol süreçlerinde dijital ikiz teknolojisinin kullanılması: Tekstil sektöründe bir uygulama
Using digital twin technology in production planning and control process: An application in textile industry
AYSEL KOÇAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTAÇ YILDIZ